奥克塞斯:一种光学特征识别算法用于自动数据提取光谱域光学一致性图谱报告
Michael Balas1, Josh Herman1, Nishaant Shaan Bhambra2
1Temerty Faculty of Medicine, University of Toronto, Toronto, Ontario, Canada.
Retina (Philadelphia, Pa.)
|November 10, 2023
概括
一个新的光学字符识别 (OCR) 算法,OCTess,自动地从光谱域光学连贯性断层扫描 (SD-OCT) 报告中提取数据. 与手工方法相比,这种AI工具显著提高了准确性和效率.
科学领域:
- 眼科医生 眼科 眼科
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 从光谱域光连贯断层扫描 (SD-OCT) 报告中手动提取数据是一个费力和耗时的过程.
- 有效的数据提取对于构建用于研究和临床应用的大规模数据集至关重要.
研究的目的:
- 开发一个自动化的光学字符识别 (OCR) 算法,从Cirrus SD-OCT斑点立方报告中提取数据.
- 为了比较自动化算法的准确性和效率与手动数据提取.
主要方法:
- 使用了675个Cirrus SD-OCT斑点立方体报告的数据集.
- 一个OCR算法,OCTess,是使用Tesseract库开发的,具有长期短期记忆深度学习模型.
- 该算法在单独的数据集上进行了训练和验证,其性能与人类提取相比较.
主要成果:
- 在训练组中,OCTess实现了近乎完美的准确性,在训练组中达到100.00%,在测试组中达到99.98%.
- 该算法表现出卓越的效率,每份报告提取数据的时间为3.1秒,而人类评估人员的时间为94.3秒.
- 在训练和测试组中,人为错误率分别为1.11%和0.49%,突出显示了算法的精度提高.
结论:
- 一个OCR和机器学习算法 (OCTess) 已成功开发用于自动SD-OCT数据提取.
- 该算法在准确性和效率上显著超过了人类的表现.
- OCTess为研究人员和临床医生提供了一种有价值的工具,可以有效地构建大规模的SD-OCT数据集.
